pub struct ChatCompletionRequest {Show 16 fields
pub messages: Vec<Message>,
pub model: Model,
pub thinking: Option<Thinking>,
pub frequency_penalty: Option<f32>,
pub max_tokens: Option<u32>,
pub presence_penalty: Option<f32>,
pub response_format: Option<ResponseFormat>,
pub stop: Option<Stop>,
pub stream: Option<bool>,
pub stream_options: Option<StreamOptions>,
pub temperature: Option<f32>,
pub top_p: Option<f32>,
pub tools: Option<Vec<Tool>>,
pub tool_choice: Option<ToolChoice>,
pub logprobs: Option<bool>,
pub top_logprobs: Option<u32>,
}Fields§
§messages: Vec<Message>对话的消息列表。
model: Model使用的模型的 ID。您可以使用 deepseek-chat 来获得更快的响应速度，或者使用 deepseek-reasoner 来获得更深入的推理能力。
thinking: Option<Thinking>控制思考模式与非思考模式的转换
frequency_penalty: Option<f32>Possible values: >= -2 and <= 2 Default value: 0 介于 -2.0 和 2.0 之间的数字。如果该值为正，那么新 token 会根据其在已有文本中的出现频率受到相应的惩罚，降低模型重复相同内容的可能性。
max_tokens: Option<u32>限制一次请求中模型生成 completion 的最大 token 数。输入 token 和输出 token 的总长度受模型的上下文长度的限制。取值范围与默认值详见文档。
presence_penalty: Option<f32>Possible values: >= -2 and <= 2 Default value: 0 介于 -2.0 和 2.0 之间的数字。如果该值为正，那么新 token 会根据其是否已在已有文本中出现受到相应的惩罚，从而增加模型谈论新主题的可能性。
response_format: Option<ResponseFormat>一个 object，指定模型必须输出的格式。 设置为 { “type”: “json_object” } 以启用 JSON 模式，该模式保证模型生成的消息是有效的 JSON。 注意: 使用 JSON 模式时，你还必须通过系统或用户消息指示模型生成 JSON。否则，模型可能会生成不断的空白字符，直到生成达到令牌限制，从而导致请求长时间运行并显得“卡住”。此外，如果 finish_reason=“length”，这表示生成超过了 max_tokens 或对话超过了最大上下文长度，消息内容可能会被部分截断。
stop: Option<Stop>一个 string 或最多包含 16 个 string 的 list，在遇到这些词时，API 将停止生成更多的 token。
stream: Option<bool>如果设置为 True，将会以 SSE（server-sent events）的形式以流式发送消息增量。消息流以 data: [DONE] 结尾。
stream_options: Option<StreamOptions>流式输出相关选项。只有在 stream 参数为 true 时，才可设置此参数。 include_usage: boolean 如果设置为 true，在流式消息最后的 data: [DONE] 之前将会传输一个额外的块。此块上的 usage 字段显示整个请求的 token 使用统计信息，而 choices 字段将始终是一个空数组。所有其他块也将包含一个 usage 字段，但其值为 null。
temperature: Option<f32>Possible values: <= 2 Default value: 1 采样温度，介于 0 和 2 之间。更高的值，如 0.8，会使输出更随机，而更低的值，如 0.2，会使其更加集中和确定。 我们通常建议可以更改这个值或者更改 top_p，但不建议同时对两者进行修改。
top_p: Option<f32>Possible values: <= 1 Default value: 1 作为调节采样温度的替代方案，模型会考虑前 top_p 概率的 token 的结果。所以 0.1 就意味着只有包括在最高 10% 概率中的 token 会被考虑。 我们通常建议修改这个值或者更改 temperature，但不建议同时对两者进行修改。
tools: Option<Vec<Tool>>模型可能会调用的 tool 的列表。目前，仅支持 function 作为工具。使用此参数来提供以 JSON 作为输入参数的 function 列表。最多支持 128 个 function。
tool_choice: Option<ToolChoice>控制模型调用 tool 的行为。 none 意味着模型不会调用任何 tool，而是生成一条消息。 auto 意味着模型可以选择生成一条消息或调用一个或多个 tool。 required 意味着模型必须调用一个或多个 tool。 通过 {“type”: “function”, “function”: {“name”: “my_function”}} 指定特定 tool，会强制模型调用该 tool。 当没有 tool 时，默认值为 none。如果有 tool 存在，默认值为 auto。
logprobs: Option<bool>logprobs boolean NULLABLE 是否返回所输出 token 的对数概率。如果为 true，则在 message 的 content 中返回每个输出 token 的对数概率。
top_logprobs: Option<u32>Possible values: <= 20 一个介于 0 到 20 之间的整数 N，指定每个输出位置返回输出概率 top N 的 token，且返回这些 token 的对数概率。指定此参数时，logprobs 必须为 true。